Archivos de Categoría: Programación avanzada

Esta sección del blog recopila los artículos realizados por nuestro equipo de labs y exalumnos del máster de Big Data & Analytics, de programación avanzada. Profundizarán en algunos trucos y consejos para programar en distintos programas de big data & analytics

A la vanguardia en programación

El equipo de datahack está al tanto de los últimos avances en materia de programación, machine learning e inteligencia artificial. Por eso, sus artículos reflejan lo último del sector.

Introducción a la Computación Cuántica con Qiskit (Parte 4)

introducción a la computación cuántica

En el segundo artículo de esta serie se comentaba que las amplitudes de probabilidad son números complejos en contraposición con los números reales positivos que se emplean en Computación Clásica. Superposición y números complejos Los números complejos tiene la forma de a + bi donde ‘a’ es la parte real  y ‘bi’ es la parte […]

Introducción a la Computación Cuántica con Qiskit (Parte 3)

introducción a la computación cuántica

En el primer artículo de la serie vimos cómo aproximarnos a las distribuciones de probabilidad en la Computación Clásica que emplea bits como unidad básica de información. En el segundo, comenzamos a asomarnos de forma superficial a la Computación Cuántica introduciendo conceptos como qubit, base canónica, superposición, regla de Born y finalizamos viendo cómo implementar […]

Introducción a la Computación Cuántica con Qiskit (Parte 2)

introducción a la computación cuántica

En el primer artículo de esta serie sobre Computación Cuántica se expuso cómo la unidad fundamental de información en sistemas de Computación Clásica era el bit y cómo se tratan las distribuciones de probabilidad en ese paradigma. El objetivo de esta nueva entrega es el de ampliar nuestra perspectiva a la hora de abordar la […]

Scikit-learn versión 0.20, más madera para tus PipeLines

Scikit-learn versión 0 20 más madera para tus PipeLines

La librería scikit-learn de Python sigue siendo una de las favoritas de los Kagglers (aunque Keras y Tensorflow ganan cada vez más adeptos). Igualmente, para todo el que desea iniciarse en Machine Learning utilizando Python como lenguaje de cabecera, la caja de herramientas que conforman numpy, pandas, matplotlib y scikit-learn se presenta como una manera razonablemente […]

Análisis de datos de twitter con R: Analizando hashtags, sentimientos…

analizando datos de twitter con R

Tras ver qué podemos hacer conectando twitter y R y cómo hacerlo, además de algunas de las funciones más importantes, y cómo segmentamos seguidores, toca mostrar algunas de las funciones que nos permiten analizar publicaciones y hashtags. Analizando hashtags de twitter con R Análisis de palabras más repetidas junto a ese hashtag Ver qué palabras tienen […]

Análisis de datos de twitter con R: Segmentando seguidores

analizando datos de twitter con R - seguidores

Una vez tenemos claro qué podemos hacer conectando twitter y R y cómo hacerlo, además de algunas de las funciones más importantes, es el momento de comenzar nuestro análisis. Segmentando mis seguidores: Una vez que hemos sacado los seguidores de un usuario con la función getfollowers que comenté en el artículo anterior, podemos hacer una […]

Análisis de datos de twitter con R: Cómo empezar

analizando datos de twitter con R como empezar

Ya hemos hablado en otra entrada de qué es R y de su potencial. Hoy, nos centraremos en cómo puede esta herramienta ayudarnos a sacar el máximo partido de nuestros datos de twitter. Cada vez hay más librerías relacionadas con twitter que podemos utilizar para extraer y analizar estos datos, pero para este caso utilizaremos […]

Tensorflow: Potenciando Convoluciones con Spatial Transformers (parte 2)

Spatial Transformer Networks

En el artículo anterior hicimos una introducción a las Spatial Transformer Networks (STN) y desarrollamos su componente Localisation Network. Hoy nos centraremos en desarrollar los dos componentes restantes. Grid Generator El objetivo de Grid Generator es obtener un “Parameterised Sampling Grid”, que son un conjunto de puntos del feature map de entrada U a partir de […]

Tensorflow: Potenciando Convoluciones con Spatial Transformers (parte 1)

Spatial Transformer Networks

En el artículo anterior vimos en qué consistía el concepto de convolución. Esta, aunque está dando muy buenos resultados en ámbitos de visión artificial e incluso en problemas de series temporales, tiene una serie de debilidades en cuanto a su capacidad de resistencia frente a variaciones en los datos. La capa de Pooling aplica un […]

Potenciando Convoluciones con Transformaciones Afines

Spatial Transformer Networks: convolución

En DIA4RA tenemos que dotar al robot de capacidad para interpretar visualmente lo que le rodea. En el ámbito de la visión artificial, los algoritmos basados en Redes Neuronales Convolucionales han conseguido grandes resultados y actualmente se aplican en áreas que van desde la detección de tumores a la conducción autónoma. Las Redes Convolucionales se […]